公开(公告)号：CN115526399A

公开(公告)日：2022-12-27

申请号：CN202211189803.7

申请日：2022-09-28

Applicant: 广西大学

Inventor： 殷林飞 ,  赵明珊 ,  胡立坤

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F16/215 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种卷积注意力融合置信域强化迁移的风电出力预测方法，该卷积注意力融合置信域强化迁移的风电出力预测方法的步骤为：首先，进行数据预处理，将数据集分割为数据集1和数据集2；其次，使用数据集1训练基于缩放注意力机制和Inception模块的记忆卷积网络，并使用置信域策略优化方法对网络参数进行调优；最后，基于迁移操作，使用已训练完成的基于缩放注意力机制和Inception模块的记忆卷积网络根据数据集2对风电场出力进行预测。所述卷积注意力融合置信域强化迁移的风电出力预测方法能够完成对风电场出力数据的精确预测，提高能源利用率，减少碳排放。

公开(公告)号：CN113837471A

公开(公告)日：2021-12-24

申请号：CN202111126407.5

申请日：2021-09-26

Applicant: 广西大学

Inventor： 殷林飞 ,  赵明珊 ,  高放

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/06

Abstract: 本发明提出了一种分区模态分解多时空卷积网络风电场出力预测方法。该方法将分区、模态分解与多时空卷积网络相结合，用于对风电场的出力进行预测。首先，所提方法中分区主要用于对包括风电场的出力数据、历史运行数据、场站基本数据、气象预测数据、气象实测数据在内的风电场原始数据进行空间尺度上的划分，其次，所提方法中模态分解主要用于对空间尺度化后的原始数据进行模态分解，便于进一步对原始数据进行多时空尺度化；最后，多时空卷积网络对风电场出力进行预测。所提方法能够完成对风电场出力数据的精确预测，提高能源利用率，减少碳排放。

公开(公告)号：CN113837471B

公开(公告)日：2023-08-29

申请号：CN202111126407.5

申请日：2021-09-26

Applicant: 广西大学

Inventor： 殷林飞 ,  赵明珊 ,  高放

IPC: G06Q10/04 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/045 ,  G06N3/08 ,  G06Q50/06

Abstract: 本发明提出了一种分区模态分解多时空卷积网络风电场出力预测方法。该方法将分区、模态分解与多时空卷积网络相结合，用于对风电场的出力进行预测。首先，所提方法中分区主要用于对包括风电场的出力数据、历史运行数据、场站基本数据、气象预测数据、气象实测数据在内的风电场原始数据进行空间尺度上的划分，其次，所提方法中模态分解主要用于对空间尺度化后的原始数据进行模态分解，便于进一步对原始数据进行多时空尺度化；最后，多时空卷积网络对风电场出力进行预测。所提方法能够完成对风电场出力数据的精确预测，提高能源利用率，减少碳排放。